工业异常检测通常被视为一项无监督任务，旨在仅使用正常训练样本来定位缺陷。最近，许多二维异常检测方法被提出并取得了可喜的结果，然而 ...

基于网格的模拟对于在科学和工程的许多学科中建模复杂的物理系统是核心。网格表示支持强大的数值集成方法及其分辨率可以适应于准确性和效率之间的有利权衡。但是，高维科学模拟运行非常昂贵，并且必须将求解器和参数单独调整到所研究的每个系统 ...

能够抓住任何物体的灵活的手对于开发通用体现的智能机器人至关重要。但是，由于灵巧的手和大量物体的高度自由，产生高质量的可用抓姿势以鲁棒的方式是一个重大挑战。在本文中，我们介绍了dexgrasp，这种方法可以有效地将物理约束纳入基于扩散的生成模型的训练和采样阶段，从而在几乎所有开放的数据集中都实现了最先进的性能 ...

最近的适应可以通过有效促进知识转移来提高对比视力语言预训练（剪辑）的低射击能力。但是，这些适应方法通常是基于输入图像的全局视图进行操作，因此对图像的部分局部细节有偏见。为了解决这个问题，我们在测试阶段的适应计算之前提出了视觉内容的完善（VCR） ...

在大规模图像数据集中训练的视觉基础模型（VFM）提供了具有显着高级2D视觉识别的高质量功能。但是，尽管2D图像与3D点云数据集有共同的2D图像，但它们在3D视觉中的潜力仍然在很大程度上尚未开发。尽管大量研究专门用于2d-3d融合，但最近的最新3D方法主要集中在3D数据上，将VFM的集成到3D模型中 ...

QCAAPATCHTF是一个量子注意网络，该网络与高级基于贴片的 Transformer 集成，该网络专为多元时间序列预测，分类和异常检测而设计。该模型利用量子叠加，纠缠和变分的量子本质量原理，引入了一种量子古典杂交自我注意机制，以捕获跨时间点的多变量相关性。对于多元长期时间序列，量子自我发项机制可以降低计算复杂性，同时保持时间关系 ...

边界表示（B-REP）模型是计算机辅助设计（CAD）应用中描述3D形状的标准方式。它们将轻量级参数曲线和表面与拓扑信息相结合，该信息连接了几何实体以描述多种多样的。在本文中，我们介绍了Brepnet，这是一种神经网络体系结构，旨在直接在B-REP数据结构上运行，避免需要将模型近似为网格或点云 ...

所谓的{\ IT {\ IT偏振}的现代化理论}在一个简单的定性讨论中引入了严格的时期实体的自发极化，并通过浆果阶段为其在电子结构代码中计算的途径提供了途径 ...